益强
是这样的，中介效应的检验实际上是为了用相关关系来更加细致的阐述因果变化（见于英文版心理学实验方法）由于相关作用无法直接解释变量的因果性，因而需要引入中介变量或者调解变量，整个过程称为PATH ANALSIS（路径分析），你说的这篇论文我看过，中介分为部分中介和完全中介，老温给出了个自己的检验方式图。其实不妨这么理解，不能说X对Y不存在影响，相关关系本身就是一种共变关系，只能说这种共变是由相关因素本身进行的还是有第三方（中介效应）进行的。老温检验的第一步就是相关显不显著，也就是这种共变关系显不显著而非变量A对变量b有没有影响。我是这么理解的，我是心理学大三的，，，看样子你也是心理学的学生 我qq 363073398 可以交流一下统计和实验设计。 
回答
您好，我这边正在为您查询，请稍等片刻，我这边马上回复您~
您好，很高兴为您解答，在实证分析中，除开我们的主效应之外，也许调节效应检验是我们论文得以出彩、提高论文质量的一个重要地方，这也是为什么很多学术论文中都会布局调节效应的内容。其中，在实证分析中我们也许经常遇到一个特殊的情景：在未考察调节状态时，主效应A对B的影响是显著的，但是一旦考察调节效应（或纳入交叉项）且调节交叉项显著时，主效应A对B的影响却不显著了。
主效应A对B的影响却不显著了，产生这种情况的原因在于：纳入交叉项后，模型中的自变量、交叉项和调节变量之间可能会存在较为严重的多重共线性问题，即变量之间在解读因变量时存在重复（过度）解读的问题，所以导致此情景下的主效应不再显著了！
在进行调节效应内容分析时，考虑到此时主效应系数不再显著，我们常常以未考察调节效应（即未纳入交叉项）时的主效应系数符号作为参考对象，并以此为基础对象来分析交叉项系数符号的内涵，即由此判断是负向调节还是正向调节。
总结来说：在未考察调节状态时，主效应A对B的影响是显著的，但是一旦考察调节效应（或纳入交叉项）时，主效应A对B的影响却不显著了，但此时的调节效应是显著的，依然是可以接受的。
提问
这个我知道的
我的情况是：之前主效应不显著，加入调节后，主效应不显著但是调节效应显著。不是您刚才说的，主效应显著，加入调节后，主效应不显著，调节效应显著。
回答
它显著 就说明调节变量对于原来模型有显著影响，而交互作用 只是说明两个变量是否存在交叉影响，跟调节作用没关系
提问
老师您看看我给您发的研究模型照片。这个该怎样解释呢？好懵，第一次遇到这个。有文献支撑吗？很担心做出来不被认可。
回答
如果是社科调查数据，可尝试进行极端样本剔除后再run；如果变量已有类似研究成果，或者说你的研究设计是基于扎实的他人研究成果上的，检查研究方法上可能存在问题，进行相应的改进后重新收集数据；如果是初涉研究者，提出研究假设一定要基于现有的研究成果，在巨人的肩膀上进行发挥，凭空下随手棋容易增加研究设计，调查以及数据收集整理分析等成本。通常的研究团队往往是边收集数据边构建研究假设，依据显著的数据再寻找理论和相关成果来进行支撑，这当中往往会消耗大量的资源，从而不值得推荐入门者去模仿
提问
老师，我这个是在前人的基础上开展的研究，人文社科领域（市场营销）使用的量表都是成熟的、收集的数据也进行了筛选，没有极端值。用结构方程跑出来是这样结果，我也有点懵。想问问老师从统计学意义上如何解释。
请老师指点一下，比较着急
回答
统计学意义是一种思维模式，我觉得某种意义上应该是反杠精模式。比如我要调查答主所在学校人均上厕所次数，发现这个学校，百分之九十九的人一天上超过六百次厕所。那即便我一天只上一次厕所，我也得承认，这个学校的学生，包括我在内，在统计学意义上可以判定为，一天上厕所次数大于六百次。这也就是传说中的，我被大数据支配了，我作为特例已经不再能影响总体趋势
更多13条
不是，如果不显著，可以按原先的套路做，但是你立论的时候不能按中介效应立论，而是按遮掩效应解释
